人形机器人双足步态稳定控制是机器人学中最具挑战性的问题之一。双足行走本质上是一个欠驱动、非线性、强耦合的动态不稳定系统——稍有扰动便可能跌倒。为实现稳定行走，学术界与工业界发展出了一套从经典理论到前沿学习的多层次算法体系，各算法在不同层面解决稳定性问题。

零力矩点（ZMP）：稳定性的物理判据

ZMP（Zero Moment Point）理论由南斯拉夫学者武科布拉托维奇于20世纪60年代末提出，至今仍是人形机器人步态稳定控制的基石。其核心思想是：地面对机器人足底反作用力的合力作用点（即ZMP）必须始终落在支撑多边形（脚掌或双脚围成的区域）内部。一旦ZMP超出支撑区，机器人将绕脚边缘翻滚而摔倒。

ZMP与机器人重心（CoM）之间存在深刻的动力学关系：当ZMP偏离重心投影时，系统会产生恢复或倾倒的力矩，从而改变身体姿态。控制算法的核心目标就是实时调节ZMP的位置，使其始终保持在支撑多边形内。本田ASIMO、波士顿动力Atlas等经典人形机器人均以ZMP作为稳定性判据的核心。

线性倒立摆模型（LIPM）：步态生成的数学基础

ZMP提供了稳定性判据，而LIPM（Linear Inverted Pendulum Model）则将这一物理概念转化为可计算、可控制的数学模型。其基本假设是：机器人重心高度恒定，角动量变化可忽略。在此假设下，ZMP-CoM关系被大幅简化为一个二阶线性微分方程：重心的加速度与重心和ZMP之间的水平偏差成正比。

LIPM的物理直觉非常直观——机器人重心就像一个倒立摆的摆锤顶端，ZMP则是摆的支点。当ZMP偏离重心时，系统会产生"恢复"或"倾倒"加速度。正因为这种内在的不稳定性，才赋予了机器人"需要主动控制"的特性：控制器不断调节ZMP的位置，使其"推"回重心，从而维持平衡。目前几乎所有动态平衡算法（如ZMP控制、步态生成、踝关节补偿）都以LIPM为基础。

模型预测控制（MPC）：实时优化的"大脑"

MPC（Model Predictive Control）是当前人形机器人步态控制中最主流的实时优化框架。与传统PID控制器只能"看到当前误差再修正"不同，MPC可以"预知未来"——它在每个控制周期内，基于LIPM等预测模型，向前预测未来一段时间（如1秒内10个步态周期）的机器人状态，然后通过求解一个二次规划（QP）问题，在满足ZMP约束、电机扭矩上限、摩擦力不打滑等多重约束的前提下，优化出最优的控制序列。

MPC的工作流程分为三步：预测（根据当前物理模型预测未来状态）→ 优化（求解带约束的QP问题，目标函数通常包含位置误差、能量消耗、关节抖动等项）→ 执行（仅执行当前时刻的控制指令，下一时刻重复上述过程，即滚动时域控制）。波士顿动力Atlas的跑酷动作和MIT迷你猎豹机器人的控制架构均采用了MPC。

全身控制（WBC）：多任务协调的统一框架

当机器人需要同时完成行走、避障、手臂操作等多个任务时，单一的步态控制器已不足以应对。WBC（Whole-Body Control）将机器人视为完整的空间浮动多体系统，在一个统一的优化框架中同时处理所有任务。它将不同任务（如重心跟踪、足端轨迹、关节限位、碰撞避免）以等式或不等式约束的形式纳入QP问题，并通过任务优先级权重或零空间投影（NSP）来协调冲突。WBC已成功应用于StarlETH、ANYmal等高动态机器人，在步态规划与切换、应对外部力干扰等方面取得了显著改进。

强化学习（RL）：数据驱动的自适应控制

近年来，深度强化学习正在成为人形机器人步态控制的新范式。其核心思路是：将机器人置于仿真环境中，通过数百万次的试错学习，让策略网络自主探索出稳定行走的控制策略。北京人形机器人创新中心发布的"天工-Lab"框架，通过引入对抗式运动先验（AMP）和不确定性感知主动探索（U2E）机制，使机器人在复杂地形（台阶、斜坡、碎石地）中均能实时调整步态、保持稳定。强化学习的优势在于无需人工设计复杂的奖励函数和动力学模型，能够自主学习出高度鲁棒、拟人化的步态，并具备出色的Sim-to-Real迁移能力。

其他补充算法

除上述主流算法外，还有若干重要方法：弹簧负载倒立摆（SLIP）模型更适用于跑跳等高动态运动；混合零动力学（HZD）为欠驱动系统提供了严格的数学稳定性证明；阻抗控制则用于处理落地冲击，通过在接触瞬间将腿部"变软"来吸收冲击力。

总结

人形机器人双足步态稳定控制并非依赖单一算法，而是形成了"ZMP/LIPM提供理论基础 → MPC实现实时优化 → WBC协调多任务 → RL赋予自适应能力"的层次化技术体系。经典方法（ZMP+MPC）物理意义清晰、可解释性强，适合结构化环境；前沿方法（RL+WBC）适应性强、泛化能力好，适合非结构化复杂场景。当前工业界的主流趋势是将两者融合——以MPC为底层实时控制器，以RL为上层策略生成器，共同构建兼具稳定性与适应性的步态控制系统。